|
电子科技大学申恒涛 教授、沈复民 教授2017年9月13日VALSE Webinar 成功举办
申恒涛教授 电子科技大学未来媒体研究中心主任、博导，澳大利亚昆士兰大学荣誉教授。他分别于2000年和2004年获得了新加坡国立大学计算机科学系一等荣誉学士和博士学位。随后加入昆士兰大学担任讲师，高级讲师，副教授，并于2011年底成为教授。2014年入选国家“千人计划”（创新），现已全职加入电子科技大学。他一直从事最前沿的计算机科学研究，研究方向包括多媒体搜索，计算机视觉，人工智能，和大数据管理。申恒涛教授引领了国际高维复杂大数据索引的研究，在国际上率先实现了实时的近重复视频内容搜索系统。累计发表了180多篇高水平同行评审论文，其中120多篇发表在CCF A类会议或期刊上，如ACM Multimedia，CVPR，ICCV，AAAI，IJCAI，SIGMOD，VLDB，ICDE，TOIS，TIP，TPAMI，TKDE，VLDB Journal等。曾多次被很多国际会议或者研讨会邀请做大会报告。杰出的学术成就使其获得2010年澳洲计算研究与教育学会授予的Chris Wallace Award，2012年澳大利亚研究理事会Future Fellowship，以及中华全国总工会颁发的2016年第六届“中国侨界贡献奖”。曾管理了14个科学研究项目，包括国家自然科学基金会的1个重点项目和澳大利亚研究理事会的8个项目。 申恒涛教授目前担任数据库领域重要期刊IEEE Transactions on Knowledge and Data Engineering编委，曾任IEEE Transactions on Multimedia和World Wide Web Journal 的客座编委。申恒涛教授担任过多个国际重要会议程序委员会联合主席，包括多媒体领域最高水平学术会议ACM Multimedia 2015；成功举办过数据库重要学术会议ICDE 2013和多媒体顶级会议ACM Multimedia 2015。也与世界许多知名大学建立了长期合作与互访关系，是昆士兰大学的荣誉教授（Honorary Professor），名古屋大学和新加坡国立大学的访问教授(Visiting Professor)。个人主页： http://bmc.uestc.edu.cn/~shenht/
沈复民教授，本科毕业于山东大学数学与应用数学专业，博士毕业于南京理工大学国家重点学科模式识别与智能系统专业，澳大利亚阿德莱德大学联合培养博士，目前任职电子科技大学“百人”教授。他的主要研究领域为大规模图像检索及分类等计算机视觉课题。近三年在相关领域共发表包括顶级会议及期刊CVPR、ICCV、TPAMI、TIP在内的论文八十余篇。他任职SCI期刊Elsevier Neurocomputing、Pattern Recognition Letters等期刊的客座编委，国际会议ACPR的专刊主席，MMM 2016、ICIMCS 2016的special session chair，ICCV、ACM Multimedia，ICMR, ICPR, CCBR等国际会议的PC member，并为多个国际一流期刊包括IEEE TIP, TKDE, TMM, TNNLS, TCSVT的审稿人。他获得ACM SIGIR 2016及ACM SIGIR 2017 Best Paper Award Honorable Mention, IEEE ICME'17最佳论文奖-铂金奖。个人主页： http://bmc.uestc.edu.cn/~fshen/
Webinar的题目为：Hashing: Theory and Its Application in Retrieval and Classification
在报告中，申恒涛教授总体介绍了多媒体的发展过程和当前研究现状，对多媒体将来发展方向给出预测和展望。同时，还对电子科技大学的未来媒体中心组成人员和研究内容做了综述性介绍。沈复民教授围绕近年研究热点Hashing技术在图像、视频、文本等信息存储和检索、分类等的应用，详细介绍了近两年在离散hashing研究中取得的成果。其中有效算法包括Supervised Discrete Hashing, Discrete Proximal Linearized Minimization等在大数据检索中的应用，以及hashing技术在线性分类、聚类、简笔画检索、推荐系统、行为识别等方面的有效应用。
问答部分：
问题1：什么是loss function?前面hashing匹配的公式能详细解释一下吗？ 回答：指objective function
问题2：hash作为vector quantization的一种，在图像检索方面目前效果和pq系列相比如何？尤其是billion以上级别的检索。沈老师能分析一下业界已有的几类应用于图像检索的量化算法吗，包括检索效果、检索规模等？谢谢 回答：Hash在预测时效率更好一些，业界不太了解。
问题3：Unsupervised Deep Hashing 方法结果差的原因主要是什么？ 回答：Unsupervised learning 目前效果就不好，所以Unsupervised Deep Hashing 方法也不能大幅度提高效果，这个方向是未来有潜力的研究方向。
问题4：如果现在不采用深度学习，您认为哈希还可以向什么方向发展？ 回答：Unsupervised Deep Hashing还没有特别好的效果，还可以继续挖掘。
录像视频在线观看地址： http://www.iqiyi.com/u/2289191062
活动参与方式： 1、VALSE Webinar活动全部网上依托VALSE QQ群的“群视频”功能在线进行，活动时讲者会上传PPT或共享屏幕，听众可以看到Slides，听到讲者的语音，并通过文字或语音与讲者交互； 2、为参加活动，需加入VALSE QQ群，目前A、B、C、D、E、F群已满，除讲者等嘉宾外，只能申请加入VALSE F群，群号：669280237 。申请加入时需验证姓名、单位和身份，缺一不可。入群后，请实名，姓名身份单位。身份：学校及科研单位人员T；企业研发I；博士D；硕士M 3、为参加活动，请下载安装Windows QQ最新版，群视频不支持非Windows的系统，如Mac，Linux等，手机QQ可以听语音，但不能看视频slides； 4、在活动开始前10分钟左右，主持人会开启群视频，并发送邀请各群群友加入的链接，参加者直接点击进入即可； 5、活动过程中，请勿送花、棒棒糖等道具，也不要说无关话语，以免影响活动正常进行； 6、活动过程中，如出现听不到或看不到视频等问题，建议退出再重新进入，一般都能解决问题； 7、建议务必在速度较快的网络上参加活动，优先采用有线网络连接。
| 
发表于 2017-10-19 15:16:30